黄仁勋G20再谈“AI基建”：当算力成为基础设施，中国需要怎样的“AI工厂”？

智通财经APP获悉，当地时间9月2日，在美国北卡罗来纳州举行的G20创新部长级会议上，英伟达CEO黄仁勋再次把AI拉到了一个更宏观的位置。“最终，每个国家都必须认识到，AI是一种基础设施，就像水、道路、电力和互联网一样。”黄仁勋表示，每个国家都需要建设自己的AI基础设施，为本国研究人员、学生、产业和创业公司提供“数字智能能力”。

这已经不是黄仁勋第一次谈“AI工厂”。传统数据中心更像是信息的存储和处理场所，而AI时代的数据中心开始承担一种新的生产职能：电力进入，经过计算、网络、存储和软件系统，最终生产出Token和智能服务。因此，AI时代需要建设的，不只是更多机房，也不仅是采购更多计算设备，而是一套能够持续稳定“生产智能”的基础设施体系。

这套体系由什么构成？谁在把它建起来？它又靠什么持续运转？这是理解“AI工厂”需要依次回答的三个问题。

算力竞争，正在从单点资源走向系统能力

这轮全球AI基础设施扩张有一个明显特征：规模越来越大，同时涉及的环节也越来越多。GPU只是其中一环。真正建设一个大规模AI集群，还需要稳定电力、高密度数据中心、液冷系统、高速网络、存储，以及集群组网、调度和运维能力。近期全球数据中心投资继续升温，电力和冷却设备企业也成为这一轮AI资本开支的重要受益者。市场正在越来越清楚地看到：算力短缺背后，本质上是一整套基础设施供给能力的约束。

这也解释了为什么今天评价一家AI基础设施公司，已经很难只看一个数字。有多少算力固然重要，但同样重要的是：这些算力放在哪里、用什么电、多久能够上线、能否稳定运行，以及单位算力最终能够产生多少有效Token。从这个角度看，“AI工厂”首先是一项系统工程。

谁在建设"AI工厂"：两个样本，两种路径

系统工程的方向容易说清，难的是落地。电力、土地、设备、网络、调度乃至算力服务分散在产业链不同环节，能把它们组织成一座“工厂”的公司并不多。过去算力公司的竞争，多集中在机房、电力或设备等单一资源，如今则开始向更完整的服务链条延伸。就目前公开披露的业务结构看，润泽科技（300442.SZ）和粤港湾智算（01396）是较有代表性的两个样本，恰好对应两条路径：一条依托既有底座向上生长，一条以一体化交付把分散要素组装成完整“工厂”。

润泽科技代表的是“自底向上”的路径。多年IDC业务让它掌握了数据中心、电力、制冷、运维等基础资源——这些“重资产、长周期”的能力，恰是AI工厂最难从零复制的环节。当行业进入高密度算力时代，这套存量底座反而成为稀缺资产：无需推倒重来，即可升级为承载AI算力的基础设施。数据印证了这一转化的速度：2026年上半年，其AIDC业务收入19.95亿元，同比增长126.24%，占总营收已超过一半。润泽已不只是“提供机柜的公司”，而是在把数据中心底座系统性地转化为AI时代的生产性基础设施。

粤港湾智算代表的则是另一条路径——不是从存量资源中生长，而是以工程化的方式，把一座“工厂”整体造出来、交出去。截至中期业绩公告日，公司已交付及运营FP16稠密算力超5万P，形成“设施、设备、技术”三位一体的交付体系：既解决IDC、电力、带宽和运维，也把服务器、存储、网络等硬件组织起来，完成大规模集群的组网、调度和调优，并进一步向异构算力调度、模型部署和推理服务延伸，明确提出“Token工厂”的方向。

一家从资源底座向上生长，一家以一体化交付直达全链——路径不同，指向相同：把分散在产业链各环节的要素，组织成一座可持续运转的“AI工厂”。

比“建多少”更重要的是“产多少”

如果说过去两年AI产业解决的是“有没有算力”的问题，那么下一阶段真正决定产业效率的，可能是“算力怎么用”。同样一座数据中心、同样规模的设备，如果电力成本不同、集群利用率不同、推理效率不同，最终产生的Token数量和成本可能完全不同。

所以，AI工厂最终仍要算一笔经济账。资本开支能否转化为稳定收入？设备生命周期内能否保持较高利用率？电力和运维成本能否持续下降？技术优化能否提高单位算力产出？这些问题决定了AI基础设施究竟是一场简单的资本扩张，还是一门真正可以持续运转的生意。

黄仁勋不断强调AI基础设施，背后其实提示了一个更大的产业变化：人工智能竞争正在从算法和模型向基础设施纵深延伸。对于中国而言，真正需要的“AI工厂”，或许不是简单复制海外某一种模式，也不是与某一种芯片绑定，而是建立一套能够适配多元算力、规模化交付、持续优化效率，并最终稳定生产智能的基础设施体系。

当行业的关注点从“算力规模”进一步转向“算力产出效率”，AI基础设施的竞争也将从比拼资源储备，进入比拼Token产出、能源效率和运营能力的新阶段。